检索结果-南通市图书馆

甘献才华写春秋--记北京市政协委员、东区邮电局副局长孙步新

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

现代邮政 2006年第5期 60-61页

作者：李季北京市东区邮电局

孙步新满怀着科技兴邮、科技强邮的宏伟志愿，以国家改革开放、邮政大发展为契机，焕发出不断进取，不断攀登科技新高峰的极大热情，成功研制开发了大批邮政新技术、新设备，为北京邮政的发展注入了活力，引领着邮政科技发展的新潮流。... 详细信息

孙步新满怀着科技兴邮、科技强邮的宏伟志愿，以国家改革开放、邮政大发展为契机，焕发出不断进取，不断攀登科技新高峰的极大热情，成功研制开发了大批邮政新技术、新设备，为北京邮政的发展注入了活力，引领着邮政科技发展的新潮流。他与时俱进，在北京邮政科技开发的沃土上躬耕不辍，以实实在在的先进科技成果推动了邮政企业先进生产力的发展，丰富着邮政企业的科技文化，以推动邮政企业服务、生产方式根本变革和改善，满足着广大民群众的需求，是实践“三个代表”重要思想的典范。

关键词：北京市政协委员 “三个代表”重要思想副局长邮电局科技发展春秋企业服务先进生产力改革开放

6-48月龄婴幼儿Spot屈光度异常结果分析

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

国际眼科杂志 2024年第7期24卷 1162-1164页

作者：张永强艾咏归刘晓慧杨孝颖何娇北京东区儿童医院眼科北京市100022

目的:分析6-48月龄婴幼儿Spot屈光异常情况,为婴幼儿屈光不正矫正及弱视早期防治提供依据。方法:对6-48月龄婴幼儿使用Spot双目视力筛查仪进行自然状况下验光,根据Spot屈光筛查仪4岁以下儿童转诊标准,收集屈光异常婴幼儿临床资料;使用... 详细信息

目的:分析6-48月龄婴幼儿Spot屈光异常情况,为婴幼儿屈光不正矫正及弱视早期防治提供依据。方法:对6-48月龄婴幼儿使用Spot双目视力筛查仪进行自然状况下验光,根据Spot屈光筛查仪4岁以下儿童转诊标准,收集屈光异常婴幼儿临床资料;使用睫状肌麻痹剂视网膜检影验光,并对验光结果进行统计分析。结果:根据转诊标准共收集Spot屈光度异常婴幼儿168例336眼。其中远视及散光异常占比高,分别为38.4%和28.6%,而近视占比低(12.2%)。168例Spot屈光度异常婴幼儿中,屈光参差(≥1.00 D)共90例,其中散光性屈光参差41例(45.6%)、远视性屈光参差33例(36.7%),近视性屈光参差16例(17.8%)占比最少。共109例Spot屈光度异常婴幼儿完成睫状肌麻痹剂视网膜检影验光。对其Spot屈光度与睫状肌麻痹后检影验光结果差异及相关性分析结果显示,两者散光度差异为0.34±0.64 D(P<0.001),远视度差异为-2.10±1.27 D(P<0.001),近视度差异为-0.43±0.91 D(P=0.023);虽然二者结果存在统计学差异,但二者散光度、远视度及近视度均呈正相关(r=0.694、0.762、0.909)。结论:6-48月龄婴幼儿Spot屈光异常主要以散光、远视异常和屈光参差为主,近视异常较少;对Spot筛查异常者应进一步睫状肌麻痹剂视网膜检影验光,给予配镜矫正,有效防止婴幼儿屈光性弱视。

关键词： Spot视力筛查婴幼儿屈光

Hybrid-Gird:遥感图像细粒度分类可解释方法

在线全文

学校读者我要写书评

暂无评论

遥感学报 2024年第7期28卷 1722-1734页

作者：朱凯雯尤亚楠曹婧宜孟钢乔媛媛杨洁北京邮电大学人工智能学院北京100876 北京市遥感信息研究所北京100192

基于遥感图像的目标细粒度分类深度神经网络已技术日益成熟,网络决策的可解释性研究是当前细粒度分类深度学习算法进一步提高决策可信度的关键问题。为精确表征对模型决策起决定性作用的本质特征,本文基于博弈竞争理论对遥感图像目标细... 详细信息

基于遥感图像的目标细粒度分类深度神经网络已技术日益成熟,网络决策的可解释性研究是当前细粒度分类深度学习算法进一步提高决策可信度的关键问题。为精确表征对模型决策起决定性作用的本质特征,本文基于博弈竞争理论对遥感图像目标细粒度分类任务进行建模,分析了IG、SmoothGrad、Grad-CAM等可解释性方法在遥感图像目标细粒度分类网络上的适用性,提出了一种尺度自适应的目标细粒度分类本质特征可解释性分析方法Hybrid-Grid,使用像素级与局部特征关系融合算法提高对支撑网络决策的目标本质特征的精确描述能力。结果表明:本文提出的Hybrid-Grid对目标细粒度分类网络的解释效果在ADCC量化评估指标上达到78.87,相较Score-CAM有大幅提升;与SmoothGrad、Grad-CAM的解释结果相对比,本文方法在删除及精度损失实验上表现最好,使EFM-Net的Top-1准确率、Top-5准确率、F1得分分别损失了16.92%、1.61%、17.21%,证明Hybrid-Grid准确解释了对细粒度分类网络决策贡献最大的目标本质特征。本文提出的可解释性分析方法能够更精准地揭示当前目标细粒度分类网络的决策特征依据。

关键词：遥感图像可解释性分析方法目标细粒度分类网络可解释人工智能合作博弈理论本质特征

基于动态哈夫模型及双边匹配的电动汽车充电引导策略

在线全文

学校读者我要写书评

暂无评论

电力系统自动化 2024年第7期48卷 181-189页

作者：苏粟王建祥王磊李玉璟聂晓波向文旭北京交通大学电气工程学院北京市100044 中交机电工程局有限公司北京市100012

由于充电站中充电桩数目有限且电动汽车充电耗时长,陆续产生充电需求的各电动汽车用户存在对充电站资源的竞争。这不仅增加了用户排队概率,降低了充电站收益和利用率,而且使得用户在充电站规模、价格、评价等方面的个性化需求得不到充... 详细信息

由于充电站中充电桩数目有限且电动汽车充电耗时长,陆续产生充电需求的各电动汽车用户存在对充电站资源的竞争。这不仅增加了用户排队概率,降低了充电站收益和利用率,而且使得用户在充电站规模、价格、评价等方面的个性化需求得不到充分满足。为此,提出了一种动态哈夫模型与双边匹配方法相结合的电动汽车充电引导策略。首先,对充电站客流、充电订单和充电桩详情等真实数据集进行大数据挖掘,分析公共充电站用户的充电站选择偏好和充电行为特征;然后,基于动态哈夫模型,结合用户充电站选择偏好量化不同区域用户前往不同充电站的概率,并生成充电站推荐列表;最后,将前景理论与双边匹配策略相结合,进行充电引导。算例分析表明,所提策略大幅降低了用户的排队概率,在满足用户个性化充电需求的同时,保障了充电站利益。

关键词：充电引导电动汽车哈夫模型前景理论双边匹配

在线全文

学校读者我要写书评

暂无评论

面向跨模态检索的查询感知双重对比学习网络

软件学报 2024年第5期35卷 2120-2132页

作者：尹梦冉梁美玉于洋曹晓雯杜军平薛哲北京邮电大学计算机学院(国家示范性软件学院) 北京100876 智能通信软件与多媒体北京市重点实验室(北京邮电大学) 北京100876

近期,跨模态视频语料库时刻检索(VCMR)这一新任务被提出,它的目标是从未分段的视频语料库中检索出与查询语句相对应的一小段视频片段.现有的跨模态视频文本检索工作的关键点在于不同模态特征的对齐和融合,然而,简单地执行跨模态对齐和... 详细信息

近期,跨模态视频语料库时刻检索(VCMR)这一新任务被提出,它的目标是从未分段的视频语料库中检索出与查询语句相对应的一小段视频片段.现有的跨模态视频文本检索工作的关键点在于不同模态特征的对齐和融合,然而,简单地执行跨模态对齐和融合不能确保来自相同模态且语义相似的数据在联合特征空间下保持接近,也未考虑查询语句的语义.为了解决上述问题,提出一种面向多模态视频片段检索的查询感知跨模态双重对比学习网络(QACLN),该网络通过结合模态间和模态内的双重对比学习来获取不同模态数据的统一语义表示.具体地,提出一种查询感知的跨模态语义融合策略,根据感知到的查询语义自适应地融合视频的视觉模态特征和字幕模态特征等多模态特征,获得视频的查询感知多模态联合表示.此外,提出一种面向视频和查询语句的模态间及模态内双重对比学习机制,以增强不同模态的语义对齐和融合,从而提高不同模态数据表示的可分辨性和语义一致性.最后,采用一维卷积边界回归和跨模态语义相似度计算来完成时刻定位和视频检索.大量实验验证表明,所提出的QACLN优于基准方法.

关键词：跨模态语义融合跨模态检索视频时刻定位对比学习

同方期刊数据库

基于MK的实数公理系统相容性和范畴性的Coq形式化

在线全文

学校读者我要写书评

暂无评论

控制理论与应用 2024年第7期41卷 1274-1285页

作者：郭达凯冷姝锟窦国威陈思郁文生北京邮电大学电子工程学院天地互联与融合北京市重点实验室北京100876

数学定理机器证明是人工智能基础理论的深刻体现.实数理论是数学分析的基础,实数公理系统是建立实数理论的重要方法.Morse-Kelley公理化集合论(MK)作为现代数学的基础,也为实数构建提供了严谨的数学框架和工具.本文使用定理证明器Coq,基... 详细信息

数学定理机器证明是人工智能基础理论的深刻体现.实数理论是数学分析的基础,实数公理系统是建立实数理论的重要方法.Morse-Kelley公理化集合论(MK)作为现代数学的基础,也为实数构建提供了严谨的数学框架和工具.本文使用定理证明器Coq,基于MK对实数公理系统进行了深入探索.在优化了MK形式化代码的基础上,形式化构建了完整的实数公理系统,并通过形式化Landau《分析基础》中的实数模型,证明其相对于MK相容,此外,还形式化证明了实数公理系统所有模型在同构意义下是唯一的,验证了实数公理系统的范畴性.本文全部定理无例外地给出Coq的机器证明代码,所有形式化过程已被Coq验证,并在计算机上运行通过,充分体现了基于Coq的数学定理机器证明具有可读性、交互性和智能性的特点,其证明过程规范、严谨、可靠.该系统可方便地应用于拓扑学和代数学理论的形式化构建.谨以此文庆祝我国著名控制系统专家秦化淑研究员九十华诞!

关键词： Morse-Kelley公理化集合论实数公理系统相容性范畴性 Coq 形式化机器证明人工智能

饱和吸收体恢复时间对正交偏振耗散孤子的影响

同方期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

中国光学（中英文） 2024年第3期17卷 714-723页

作者：何晓颖张川张银东饶岚北京邮电大学电子工程学院天地互联与融合北京市重点实验室北京100876

偏振在脉冲锁模时,对其塑形和稳定起着至关重要的作用。本研究开发了一种用于产生正交偏振耗散孤子的被动锁模石墨烯光纤激光器的正交偏振数值模拟。重点是分析由偏振依赖的石墨烯微光纤饱和吸收体引起的净正常色散双折射腔对正交偏振... 详细信息

偏振在脉冲锁模时,对其塑形和稳定起着至关重要的作用。本研究开发了一种用于产生正交偏振耗散孤子的被动锁模石墨烯光纤激光器的正交偏振数值模拟。重点是分析由偏振依赖的石墨烯微光纤饱和吸收体引起的净正常色散双折射腔对正交偏振孤子的影响。研究结果表明,这种饱和吸收体的恢复时间显著影响正交偏振耗散脉冲的特性,如能量、脉宽、时间带宽乘积和啁啾。结果显示,其恢复时间为120飞秒时最佳,产生两个具有大啁啾的正交偏振的窄耗散孤子脉冲,分别约为7.47 ps和8.06 ps。这对于开发紧凑、高功率、偏振耗散孤子光纤激光系统具有重要意义。

关键词：正交偏振光被动锁模净正常色散腔恢复时间

维普期刊数据库博看期刊

不平衡数据集下基于多粒度近邻图的智能电表故障分类方法

在线全文

学校读者我要写书评

暂无评论

电网技术 2024年第3期48卷 1291-1300页

作者：黄子健高欣李保丰翟峰秦煜叶平北京邮电大学人工智能学院北京市海淀区100876 中国电力科学研究院有限公司北京市海淀区100192

智能电表故障的准确预测对实现计量设备精准主动运维、保障电网稳定运行具有重要意义。电表各故障类型样本的出现频次不同,且不同故障类型样本在高维特征空间中的分布存在重叠,这极大增加了故障预测的难度。现有不平衡分类方法通过构建... 详细信息

智能电表故障的准确预测对实现计量设备精准主动运维、保障电网稳定运行具有重要意义。电表各故障类型样本的出现频次不同,且不同故障类型样本在高维特征空间中的分布存在重叠,这极大增加了故障预测的难度。现有不平衡分类方法通过构建单一样本信息与其对应类别标签的映射关系来划分样本类型,导致对具有相似表征信息的重叠区样本难以准确判别,降低了整体分类精度。该文提出一种基于多粒度近邻图的智能电表故障分类方法。首先,选择原始数据集中样本作为目标样本,以目标样本及其近邻样本作为节点、目标样本与其近邻样本连线作为边构建近邻图。根据选择的近邻样本数量不同构建多粒度近邻图,实现目标样本的信息扩充和训练样本的数量扩增,更有利于模型稳定训练。构建编码器挖掘近邻图节点特征,利用图注意力机制,根据近邻图节点编码特征和节点邻接关系将近邻样本信息自适应地聚合到目标样本,实现对相似样本差异的有效挖掘。对于给定测试样本,通过集成测试样本多粒度近邻图的分类结果,得到更精准、更鲁棒的智能电表故障预测结果。在20个KEEL(knowledge extraction based on evolutionary learning)和UCI(UC Irvine machine learning repository)不平衡分类公开数据集和智能电表实际故障数据集上的大量实验结果表明,与17种典型方法相比,该文所提算法在处理智能电表故障分类问题上具有显著优势。

关键词：智能电表故障分类不平衡数据多粒度近邻图图神经网络样本信息聚合

基于注意力增强元学习网络的个性化联邦学习方法

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

计算机研究与发展 2024年第1期61卷 196-208页

作者：高雨佳王鹏飞刘亮马华东北京邮电大学计算机学院(国家示范性软件学院) 北京100876 智能通信软件与多媒体北京市重点实验室(北京邮电大学) 北京100876 北京邮电大学人工智能学院北京100876

联邦学习作为一种分布式机器学习框架,客户端可以在不向服务器传输数据的情况下进行全局模型训练,解决了数据分散和数据隐私的问题.联邦学习可以在具有相似数据特征和分布的客户端上很好地工作.但是在很多场景中,客户端数据在分布、数... 详细信息

联邦学习作为一种分布式机器学习框架,客户端可以在不向服务器传输数据的情况下进行全局模型训练,解决了数据分散和数据隐私的问题.联邦学习可以在具有相似数据特征和分布的客户端上很好地工作.但是在很多场景中,客户端数据在分布、数量和概念上的不同,造成了全局模型训练困难.为此,个性化联邦学习作为一种新的联邦学习范式被提出,它旨在通过客户端与服务器的协作来保证客户端个性化模型的有效性.直观来讲,为具有相似数据特征和分布的客户端提供更紧密的协作关系可以有利于个性化模型的构建.然而,由于客户端数据的不可见性,如何细粒度地提取客户端特征,并定义它们之间的协作关系是一个挑战.设计了一个注意力增强元学习网络(attention-enhanced meta-learning network,AMN)来解决这个问题.AMN可以利用客户基础模型参数作为输入特征,训练元学习网络为每个客户端提供一个额外的元模型,自动分析客户特征相似性.基于双层网络设计,有效地实现客户端个性与共性的权衡,提供了包含有益客户信息的融合模型.考虑到训练过程中需要同时训练元学习网络和客户本地基础网络,设计了一种交替训练策略,以端到端的方式进行训练.为了证明该方法的有效性,在2个基准数据集和8种基准方法上进行了大量实验,相较于现有表现最优的个性化联邦学习方法,该方法在2个数据集中平均分别提升了3.39%和2.45%的模型性能.

关键词：联邦学习注意力机制深度学习元学习分布式机器学习